生产性服务业集聚对经济效率影响研究——以安徽省为例

吴风波

(安徽工商职业学院管理学院, 安徽 合肥 231131)

随着近年来国内经济增长幅度趋于减缓，经济发展质量和效率的重要性日益凸显，对经济质量和经济效率提升的研究越来越得到重视。作为第三产业的生产性服务业在经济总量中的比重越来越大，产业发展的速度和规模不断增加，对经济活动的影响日渐明显。这种变化既能够带来经济总量数值的提升，其集聚效应也能够带来规模经济产出、人口聚集、资源利用率提升、成本损耗下降等益处，也就是带来相应的规模经济效应、知识技术外溢效应、集聚竞争效应、专业服务效应等。因此，生产性服务业集聚对促进产业结构升级和创新水平提升有很好的作用[1]。经济效率是对要素投入产出的效率大小的反映，而生产性服务业过度集聚可能会带来经济效率增长的滞缓，因此集聚程度多少较为合适值得探讨。安徽省近年来不断融入长三角区域一体化，在区域经济发展竞争程度不断加剧的背景下，探讨生产性服务业集聚和经济效率关系，以期更好地促进生产性服务业发挥集聚效应优势，最终提升经济效益，推动整个地区经济更高质量更高效率地发展。

1 安徽省生产性服务业现状及集聚分析

1.1 生产性服务业概况

2020年安徽省第三产业的增加值为19 824.26亿元，占全省国民生产总值的51.8%，已占据全年GDP的一半以上，其值超过第二产业10.8个百分点，较上一年度相比与第二产业生产总量差距继续拉大。(1)资料来源：《2021安徽统计年鉴》。生产性服务业根据统计部门划分行业设定为交通运输、仓储和邮政业、信息传输、软件和信息技术服务业、金融业、租赁和商务服务业、科学研究和技术服务业等五个行业。安徽省生产性服务业2020年的从业人口、产值按照收入法构成分别占GDP比重、固定资产投资增长情况统计如表1所示。

表1 2020年安徽省生产性服务业现状表

截至2020年末全省就业人口中从事第三产业的总计有1 408万余人，占总就业人口的43.4%，其中生产性服务业就业人口为877 037人，较上一年度增加51 467人，数据占城镇非私营单位就业人数的15.5%，吸纳越来越多的从业人员从事生产性服务业各行业就业，从业人口保持持续增长而且增长速度在提升。依据收入法构成统计的2020年安徽省国民生产总值，并从各个行业分析可得生产性服务业的生产总量为6 865.43亿元，占全省年度GDP的18.8%，比重近五分之一。2020年固定资产投资按照产业结构来分一、二、三产业分别为1.5%、30.1%和68.3%。第三产业的固定资产投资增长率达到9.3%，生产性服务业五个细分行业增长率都在十个百分点以上，其中信息传输、软件和信息技术服务业增长率达到89.6%位居生产性服务业中增长第一，而金融业增长率为负值-8.8%，可能受到疫情因素和进出口贸易多方面影响，但生产性服务业总体固定资产投资继续呈现增长态势(2)同注释①。。

1.2 生产性服务业集聚水平测度及分析

产业集聚水平反应产业在空间分布上的集中分散情况，测算生产性服务业集聚手段有很多种，常见的像产业地理集中度、基尼系数、赫芬达尔指数等，这几种方法使用中优劣各异。本研究采用区位熵对集聚水平开展测度研究。区位熵的数值计算方法公式是:

(1)

Xj为生产性服务业j的产值在总产值中的比重，Zij表示为城市i中生产性服务业j产出占比。产值以就业人口数量来代入[2]。区位熵计算结果大小反应生产性服务业集中程度，结果大表示集聚程度高，相反则表示集聚程度低。利用历年Xj和Zij数据(3)资料来源：《2017中国城市统计年鉴》《2018中国城市统计年鉴》《2019中国城市统计年鉴》《2020中国城市统计年鉴》《2021中国城市统计年鉴》。根据公式(1)计算得出各市区位熵数值如表2所示，反映各市生产性服务业集聚水平。

表2 各市生产性服务业集聚水平

总体分析来看2016—2020年期间全省16个城市的生产性服务业集聚水平的区位熵值总体呈现历年增长的态势，各城市的集聚水平大都趋于逐年上升，但上升幅度比较温和不是特别大；与长三角江浙沪城市相比较，安徽省各城市的集聚水平较低缺乏竞争优势，也说明安徽省生产性服务业的集聚潜力大发展空间足。

通过比较结果发现各个城市的区位熵大多低于1，合肥、滁州和芜湖三个城市在2020年的区位熵值大于1，其中合肥市最高1.047，滁州市和芜湖市分别为1.019和1.014，这三个城市相较于其他城市来说产业更为集中集聚程度更高一些。合肥作为省会城市，基础设施完善、综合服务范围广、具备高素质的劳动力、市场机制完善等条件是发展生产性服务业的优质条件。以上三个城市的集聚水平也与省内经济发展水平现状一致，在2020年以上三个城市无论是经济总量还是第三产业产值也都在全省处于前列。结合安徽省城市地理位置分布得出江淮之间的城市总体生产性服务业集聚水平高于皖南和皖北的城市，存在地区不均衡状况。

2 安徽省城市经济效率测度分析及评价

经济效率是经济发展过程中资源配置和利用的效率，主要测度的是投入与产出的效率，当下采用比较多的分析方法有数据包络分析和随机前沿分析法。张明斗、李维露、吴庆帮等人[3]研究采用SFA分析方法测算中国285个地级以上城市的绿色经济效率值；林东华[4]采用DEA法对国内11个特大城市经济效率进行测度研究。本文结合数据代表性、可得性研究采用经典的数据包络分析方法DEA中CCR模型对安徽省所辖的16个地级市的经济效率进行测度[5]。CCR是DEA众多模型之一，由美国Charnes、Cooper和Rhodes创设，用来评价经济发展中多个投入-产出单元效率，计算模型为：

(2)

其中x和y分别代表投入与产出量，uT=(u1，u2,…,um)T，vT=(v1，v2,…,vs)T，分别为产出与投入的权重系数。选取权重系数和使其满足Ej≤1，j=1，2，…,t。其中t表示决策单元的个数，在本文中也就是地级市个数。经济效率投入指标有人口投入、资本投入、土地投入三个，其数据分别选择就业人口数量、固定资产投资额和城市建设用地面积等，而产出指标用经济产生总量来说明[6]，具体数据选取各个城市的生产总值也即GDP值来予以表征，上述指标采用各城市历年面板数据(4)同注释③。利用公式(2)计算出各个城市的经济效率均值如表3所示。

表3 2016—2020年城市经济效率(CCR)均值

分析数据可知全省城市整体经济效率均值为0.914，反映全省城市总体经济效率并不有效，同时各城市效率值差距很大，其中五年经济效率均值中合肥市、滁州市和马鞍山市的经济效率值为1且多年持续，体现这三个城市的经济效率发展好资源配置高效；淮北、亳州、阜阳、淮南、芜湖、宣城、铜陵和黄山等八个城市的效率均值在0.9到1之间，其中部分城市在个别年份处于经济效率值为1的有效阶段，这些城市的投入产出和资源配置趋于合理，较为接近经济有效的门槛。但是蚌埠、宿州、池州、六安、安庆，五个城市经济效率均值皆低于0.9，其中最小值池州为0.742，这些城市总得来说经济投入产出不均衡，发展潜力空间大，急需提升自身经济发展的效率和质量。

3 安徽省生产性服务业集聚对经济效率影响实证研究

3.1 变量及指标选取

经济效率(EE)作为被解释变量，采用DEA-CCR予以测算。生产性服务业集聚(LQ)作为解释变量，采用区位熵方法来测算。控制变量选取经济发展水平(EL)，以城市年度人均生产总值来表征；城镇化率(UR)，以城镇人口占总人口比重来表征；政府规制(GS)，政府行政干预和政策制定对产业集聚和经济效率都起到显著影响作用，该指标以城市财政收入占该城市生产总值的比重来表征；科技水平(TL)以科技支出在当年一般财政预算支出中比例来表征[7]。

3.2 模型构建

依据对变量选择设计本文采用周杰文[8]等人研究成果，为检验生产性服务业集聚与经济效率之间可能存在的非线性关系加入了生产性服务业集聚的二次项和一阶滞后项，另外为了规避减少各变量采集数据差距过大的原因对研究结果产生的影响所以对所有数据作对数处理。最后构建研究的计量模型如下：

lnEEit=β0+β1lnLQ+β2lnEEit-1+β3lnLQ2+β4lnEL+β5LnUR+β6LnGS+β7LnTL+μi+εit

(3)

其中μi是城市个体效应，εit是随机扰动项，β0是截距项，i是城市，t是年份。

参考Blundell和Bond的成果，利用系统广义矩估计方法(System-GMM)对模型数据予以检验回归分析研究[9]。选取全省所辖16个地级市2011—2020年面板数据(5)资料来源：《2012安徽统计年鉴》《2013安徽统计年鉴》《2014安徽统计年鉴》《2015安徽统计年鉴》《2016安徽统计年鉴》《2017安徽统计年鉴》《2018安徽统计年鉴》《2019安徽统计年鉴》《2020安徽统计年鉴》《2021安徽统计年鉴》《2012中国城市统计年鉴》《2013中国城市统计年鉴》《2014中国城市统计年鉴》《2015中国城市统计年鉴》《2016中国城市统计年鉴》《2017中国城市统计年鉴》《2018中国城市统计年鉴》《2019中国城市统计年鉴》《2020中国城市统计年鉴》《2021中国城市统计年鉴》。通过公式(3)利用系统广义矩估计方法(System-GMM)回归结果如表4所示。

表4 动态面板System-GMM模型回归结果

3.3 结果分析

回归结果见表4，根据表中呈现所有回归方程都显示一阶序列具备显著相关，而二阶序列则不相关，数据通过Sargan有效性检验并且五个回归估计的经济效率滞后项系数为0.787、0.762、0.754、0.634和0.511，由此可见滞后期作为被解释变量的加入是科学合理的，也充分说明滞后效应在经济效率中是存在的，并且各模型的工具变量系数在1%水平显著差异，这表明滞后项的加入不仅合理而且非常有必要的[10]，从另一个角度说明以此构建的计量模型也是可行有效的。

当仅对生产性服务业集聚及其二次项进行回归时，系数分别为-0.074和0.094，并1%水平上显著，表明在开始阶段经济效率会受到生产性服务业集聚的抑制，即产业发展初期缺乏规划集聚粗放单一无法形成规模效应、无序竞争和开发建设增加了企业经营成本，从而导致经济效率下降。随着集聚进一步深入，将慢慢开始促进经济效率的提升，当集聚水平越过门槛之后会因为产业关联效应、规模效应、知识溢出效应等提升生产效率降低成本而促进经济良性向好发展，经济效率也因此得到提升。

在模型中陆续加入经济发展水平、城镇化率、政府规制、科技水平等因素继续回归检验发现系数前符号并没有改变仅数值大小改变，说明研究所选变量会对经济效率具有影响作用。通过回归结果来看经济发展水平、城镇化率和科技水平都对经济效率起到正面促进，并通过显著性检验：每当经济发展水平和城镇化率提升1%，经济效率分别增长0.039%和0.057%，溢出效应在城镇化水平上得到体现，城镇化率高使得人口集中劳动成本下降，提高劳动力效率；每当科技水平增长1%，促进经济效率增长0.017%，科技投入加大促进产出效率，进而促进整体经济效率的提升。研究发现经济效率受到政府规制的抑制，这可能与政府缺乏科学规划，没有引导产业集聚导致市场资源配置没有得到优化，进而对经济增长产生负面的影响。

4 启示与建议

根据以上回归结果，结合测度分析提出加快城市生产性服务业集聚促进区域经济效率提升方面的一些建议。

4.1 加快生产性服务业合理科学集聚

生产性服务业集聚规模提升后会积极促进经济效率。各城市因地制宜打破集聚不均衡状态，集聚水平低的城市学习先进城市的经验和政策，防止因集聚水平低而对经济的抑制作用，加速促进生产性服务业集聚质量。加深全省协同集聚，形成区域城市群产业集聚的整体效应，集聚与经济发展之间相互影响，需要快速突破集聚初期的障碍，实现生产性服务业集聚带来的经济效率红利。

4.2 加快城镇化建设，推动人才集聚，加大科学技术投入

城镇化率提升加速会促进区域内资源利用的效率，减少资源在市场中的流通成本，也会在某些情形上减轻生产性服务业在少数地区集聚而催生竞争成本的增加。城镇化建设的推动带来人才在区域内集聚，而人才集聚给经济发展注入原生动力。科学技术对经济高效率发展起到积极促进作用，加大科技资金投入，完善人才发展制度，给予科技创新发展的企业政策上的支持，从而利用人才集聚效应提升经济效率。

4.3 政府科学引导产业规划，激活企业在市场中的主体地位

市场是资源配置的重要方式，自身会使资源配置效率得到提升。政府不能脱离市场规律，更不能在未对市场做充分调研的基础上盲目开展产业发展规划和设置，而应该因地制宜地将资源配置的主动权还给市场本身，让企业承担市场发展的主体作用，发挥企业资源配置方面的运作动能。政府结合生产性服务业集聚发展规律不过多干预市场运作，科学制定产业集聚发展的公平氛围，引导其有序高效集聚，为经济效率的提升在政策、资金、技术、人力等要素方面提供保障。